Smartphone Applications for the Treatment of Depressive Symptoms: A Meta-Analysis and Qualitative Review
Notice bibliographique
Résumé
BACKGROUND: Emerging research indicates that the use of smartphone mental health applications (apps) could be used as an adjunctive therapy for individuals with depression, especially those who have difficulty accessing conventional therapies. The adoption and ownership of smartphone technology continues to increase in developed and developing nations, and could provide widespread and cost-effective evidence-based treatments for depressive symptoms. METHODS: The primary objective of this meta-analysis was to quantitatively evaluate the effects of smartphone mental health app interventions on depressive symptoms. Identified studies were qualitatively reviewed to address the following secondary objectives: (1) identify the types of smartphone apps currently being used to target depression; (2) identify factors associated with positive response to smartphone apps in depression; (3) provide directives for future research and app development; and (4) characterize the therapeutic opportunity of smartphone app interventions among individuals with depression. RESULTS: The results indicate that there may be some therapeutic opportunity with smartphone interventions as an adjunctive treatment for depression. In particular, we observed a small effect in favor of smartphone app interventions for reducing depressive symptoms. However, because of the significant heterogeneity across studies, continued research among more homogenous samples is warranted to determine whether these interventions might have larger (ie, more clinically relevant) effects in specific subpopulations and/or whether specific app characteristics produce larger effects. CONCLUSIONS: The current study highlights some key areas of priority going forward, particularly concerning the design of future studies and the development of novel technologies with a user-centered focus.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».